JPH03132467A

JPH03132467A - 移動体識別装置

Info

Publication number: JPH03132467A
Application number: JP27090689A
Authority: JP
Inventors: Yuji Fujiwara; 藤原　裕二
Original assignee: Toshiba Corp
Current assignee: Toshiba Corp
Priority date: 1989-10-18
Filing date: 1989-10-18
Publication date: 1991-06-05

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】〔発明の目的〕（産業上の利用分野）本発明は、各種交通システムにおいて、車両等の移動体
を識別する移動体識別装置に関するものである。

（従来の技術）鉄道などの交通システムにおいては、中央制御指令セン
ター等が各列車の運行を管理するために、所定個所を通
過する各車両に関して、運行番号その他の各種の情報を
確認しておく必要がある。

この確認を行うだめの方策として、第１に、各車両毎に
発振器、共振器等の送信装置を取付けると共に、所定個
所に受信装置を設置しておくシステムがある。このシテ
ムによれば、送信装置からの送信信号のデータに基いて
、受信装置は車両の種別ばかりでなく、車両識別番号ま
で判別することができる。

また、第２の方策として、特定の場所に重量センサを設
置し、通過列車の重量を測定することにより、この列車
の車種（例えば、特急列車か普通列車か等）のみを識別
するシステムがある。尤も、このシステムは列車の車種
のみの識別で充分な場合に限られることになる。

そして、第３の方策として、所定個所にカメラあるいは
マイクを設置しておき、カメラが捉えた車両識別番号、
あるいはマイクが捉えた音等を、一定のアルゴリズムに
基いて処理することにより必要な情報を得るようにした
システムかある。

（発明が解決しようとする課題）しかしながら、第１の方策の場合には、各車両毎に送信
装置を取付けなければならないためコストが増大し、ま
た、送信受信に関する操作上の負担も増大する結果とな
る。特に、各企業系列の私鉄が乗入れている区間の管理
を行う場合、前記送信装置の取付けを自社車両に対して
行う分にはさして問題とならないが、この取付けを他社
車両に対しては強制しにくいという事情もある。

また、第２の方策の場合には、重量センサの設置スペー
スの確保等が必ずしも容易ではなく、さらに、各列車の
車種毎の重量が、識別可能な程度に充分に異なったもの
であるという条件が必要となる。

そして、第３の方策の場合には、カメラ、マイクの設置
場所における自然環境によって、識別精度が大きく変動
するという問題がある。例えば、昼間と夜間、あるいは
晴天と雨天とでは画像状態が大きく異なり、また、周囲
の騒音レベルによっては、これらの騒音と列車の通過音
とを明瞭に識別できない場合がある。

本発明は上記事情に鑑みなされたものであり、車両に対
する送信装置の取付け、特定場所への重量センサの設置
などを必要とせず、しかも自然環境に左右されることな
く常に安定した識別精度が得られる移動体識別装置を提
供しようとするものである。

〔発明の構成〕

（課題を解決するための手段）本発明は上記課題を解決するための手段として、型式１
種別１識別番号その他の分類項目が予め設定されている
移動体が所定個所を通過するときに、この移動体の画像
、またはこの移動体から発生される音声を検出する画像
・音声検出手段と、前記画像・音声検出手段により検出
された画像または音声に基いて、予め設定された複数の
特徴項目の解析を行う特徴項目解析手段と、前記特徴項
目解析手段の解析により得られた複数の解析信号に基い
て、前記所定個所を通過した移動体が属する前記分類項
目を特定するニューラルネットワーク手段と、前記ニュ
ーラルネットワーク手段により特定された前記分類項目
に関する情報を出力する識別情報出力手段とを備えた構
成としである。

（作　用）移動体が所定個所を通過するとき、画像・音用検出手段
はこの移動体の画像、またはこの移動体の通過に伴なっ
て発生される音声を検出する。

特徴項目解析手段は、この検出により得られた画像また
は音声に基き、予め設定されている複数の特徴項目につ
いての解析を行い、その解析信号をニューラルネットワ
ーク手段に出力する。

ニューラルネットワーク手段は、この解析信号に基いて
、予め定められている複数の分類項目の中から、所定個
所を通過した移動体が属する可能性が最も高いと思われ
るものを選択し、これを移動体の分類項目として特定す
る。

識別情報出力手段は、このように特定された分類項目に
関する情報の出力を行う。

（実施例）以下、本発明の実施例を第１図乃至第６図に基き説明す
る。

第１図は本発明の概略構成を示すブロック図である。す
なわち、通過時点検知手段１は、移動体が所定地点を通
過した時点を検知し、検知信号を画像・音声検出手段２
に送出するようになっている。

画像・音声検出手段２は、この検知信号が入力されると
、移動体の画像または音声の検出を開始し、画像信号ま
たは音声信号を特徴項目解析手段３に出力する。

特徴項目解析手段３は、この画像信号または音声信号に
ついて、予め定められている複数の特徴項目について解
析を行ない、その特徴量を示す解析信号をニューラルネ
ットワーク手段４に出力する。例えば画像信号の場合で
あれば映像の万石、各色の強さ等について、対象画像の
面積、コーナー数、各色成分の濃淡値等を求める。また
、音７Ｎ信号の場合であれば、音の高低等について平均
周波数等を求めるようになっている。

ニューラルネットワーク手段４は、これらの解析信号を
人力層に人力し、中間層を介して、通過時点検知手段１
が検知した移動体が属する、型式。

社則、識別番号等の分類項目につき、いずれか−を推定
し、特定するようになっている。

そして、識別情報出力手段５は、この特定された分類項
目についての情報を、デイスプレィ等の表示機器あるい
はその他の周辺機器に出力する。

なお、ニューラルネットワーク手段４は、いわゆるパッ
クプロパゲーション機能と呼ばれる学習機能を有するも
のである。そして、ニューラルネットワーク手段４が特
定した分類項目か、万一間違っていたことがわかった場
合には、学習用データ人力手段６から与えられるデータ
により、この間違った分類項目を出力するに至った推論
過程を是正できるようになっている。したがって、以後
は、ニューラルネットワーク手段４の入力層に同じよう
な解析信号が入力されても、正しい分類項目を特定する
ことができる。

制御部７は以上の各手段１〜６の全体の動作を制御する
ようになっている。

第２図は、この第１図に示した概略構成をさらに詳しく
示したブロック図である。

この図において、通過時点検知手段１は、移動体の通過
を検知するセンサ１ｇと、このセンサｌａからのセンサ
信号を制御用バス８を介して制御部７に送出するセンサ
入力部１ｂとから構成されている。このセンサ１ａは、
超音波や光を利用するセンサ素子と、鉄道でよく用いら
れる軌道回路とで構成されている。

画像・音声検出手段２は、移動体の撮影を行うカメラ２
ａ及びそのビデオ信号を入力するビデオ入力部２ｂと、
移動体の音声を検出するマイク２Ｃ及びその音声信号を
入力する音用入力部２ｄとから構成されている。このビ
デオ人力部２ｂは制御用バス８及び画像バス９に接続さ
れており、音声人力部２ｄは制御用バス８及び音声デー
タバス１０に接続されている。

特徴項目解）ｈ手段３は、制御用バス８及び画像バス９
に接続された画像メモリ３ａ及び画像処理部３ｂと、制
御用バス８及び音声データバス１０に接続された音声メ
モリ３ｃ及び音声処理部３ｄとから構成されている。そ
して、画像メモリ３ａは二つのエリア３ａｌ”ａ２を有
しており、音声メモリ３ｃも二つのエリア３ｃｌ”ｃ２
を有している。

ニューラルネットワーク手段４は、制御用バス８に接続
されたニューラルネットワーク手段４ａを有している。

識別情報出力手段５は、制御用バス８に接続された出力
インタフェース５ａを有しており、この出力インタフェ
ース５ａは、ＣＲＴ等の表示機器を有する周辺システム
１１に接続されている。

学習用データ入力手段６は、制御用バス８に接続された
入出力インタフェース６ａと、このインタフェース６ａ
に接続された入出力装置６ｂとから構成されている。

制御部７は、制御用バス８に接続された演算制御部７ａ
を有している。

次に、このように構成される本実施例の動作について説
明する。いま、第３図に示すように、ｎ両の車両Ｅ１．
Ｅ２．・・・、Ｅｎからなる電車を移動体として考え、
先頭車両Ｅ１の通過がセンサ１ａにより検知されたとす
る。すると、このセンサ信号はセンサ入力部１ｂ、コネ
クタボックス１２を介して制御部７に送られる。

制御部７は、このセンサ信号を受は取ると直ちに動作指
令信号をカメラ２ａに送り、カメラ２ａに２両目の車両
Ｅ２を撮影させるようにする。

カメラ２ａからのビデオ信号はビデオ入力部２ｂにより
画像信号に変換され、第４図（ａ）に示すような画像が
画像メモリ３ａのエリア３，１に記憶される。この記憶
された画像は画像処理部３ｂによって、予め定められて
いる特徴項目が解析される。この特徴項目としては、例
えば、色の各成分（赤、緑、青）の濃度、２値化したと
きの被写体の面積やコーナーの数がある。

第４図（ａ）の電車の場合には、赤成分の数が強くなっ
ている。第４図（ｂ）は第４図（ａ）の画像を２値化処
理したものであるが、これによれば被写体の面積は大き
く、コーナーの数は比較的少くなっている。この第４図
（ｂ）の画像は画像メモリ３ａのエリア３ａ２に記憶さ
れる。

また、第５図（ａ）は貨物列車が通過する場合を示す画
像であるが、この場合は全成分の数が強くなっている。

そして、第５図（ａ）の画像を２値化した第５図（ｂ）
の画像によれば、被写体の面積は小さく、コーナーの数
は比較的多いことがわかる。

次いで、画像メモリ３ａのエリア３ａｔ”ａ２に記憶さ
れた第４図（ａ）、（ｂ）の画像データはニューラルネ
ットワーク手段４のニューラルネットワーク演算部４ａ
に送出され、所定の特徴量に基いて、通過電車が属する
と考えられるいずれか−の分類項目が特定される。

つまり、第６図に示すように、まず、画像メモリ３ａの
エリア３ａｌ”　ａ２から所定の特徴項目についての特
徴量が、ニューラルネットワーク演算部４ａ内の入力層
の各点Ｐ１．Ｐ２．・・・、Ｐｘに入力される。

そして、各点Ｐｔ　、　Ｐ２　、・・・、Ｐｎからは中
間層の各点Ｑ、、Ｑ２．・・・、Ｑ、の各点に向けて所
定の割合のレベルで信号が出力される。例えば点Ｐ１に
入力された信号のレベルが１であるとすると、点Ｐ　か
ら出力される信号Ｕ１□、Ｕ１゜、・・・Ｕｌ、の信号
のレベルはそれぞれ０．　２．　０．　３゜・・・、０
．０５などのようになる（但し、Ｕ１１＋Ｕ　・・・＋
Ｕ　−１）。同様に、点Ｐ２に入力され１２　　　　　
＋ｙた信号のレベルが３であるとすれば、点Ｐ２から１２出力される信号Ｕ２□、Ｕ２゜、・・・、Ｕ２．の信号
のレベルはそれぞれ０．４５．　０．　２．・・・、　
０．　０８などのようになる（但し、Ｕ２□＋Ｕ２２・
・・＋Ｕ２．−３）。

中間層の各点Ｑ１．Ｑ２．・・・、Ｑ、は、このように
入力層の各点Ｐ１．Ｐ２．・・・、Ｐｘから送られてき
た信号の総和量に基いて、今度は出力層の各点Ｒ，，Ｒ
２，・・・、Ｒ７に向けて所定の割合のレベルで信号を
出力する。

そして、出力層の各点Ｒｔ　、　Ｒ２、・・・、Ｒ７に
おける各信号レベルが求められ、各点Ｒ，，Ｒ２゜・・
・、Ｒのうち点Ｒ２のレベルが最も高いものであったと
する。すると、これによってニューラルネットワーク演
算部４ａは、センサ１ａが通過を検出した電車Ｅｉ　、
　　Ｒ２、・・・、Ｅｏは急行列車であると特定する。

このような、所定個所を通過した電車Ｅ１゜Ｅ　２　、
・・・、Ｅｎが急行列車であるという情報は、識別情報
出力手段５の出力インタフェース５ａを介して、周辺シ
ステム１１の表示機器等に表示されることになる。

ところで、ニューラルネットワーク演算部４ａにおける
特定は非常に正確なものであるが、この特定が誤ってい
る場合が全黙考えられないわけではない。このような場
合、オペレータは、特定の誤りに気が付いた段階で、学
習用データ入力手段６の入出力装置６ｂを操作し、入出
力インタフェース６ａを介して、学習用データをニュー
ラルネットワーク演算部４ａに入力させる。これによっ
て、ニューラルネットワーク演算部４ａにおけるパック
プロパゲーション機能が発揮され、その人力層から出力
層に至る間の推論過程が是正され、以後は、同様の環境
、条件であっても正しい特定が行なわれるようになる。

以上説明したような電車Ｅ、、Ｅ、、、・・・、Ｅ。

の識別方法では、発振器、共振器のような送信装置を車
両に取付ける必要はなく、また、重量センサを設置する
際のスペース上の問題も生じることがない。そして、解
析された所定の特徴項目に基いて、ニューラルネットワ
ークが電車Ｅｔ　、　　Ｒ２。

・・・、Ｅ　の種別を特定しているので、時刻、気象ｎ等の自然環境条件によって、この特定についての精度が
左右されることはない。

また、対象となる車両の種別毎に個有のアルゴリズムを
持つ必要がないため、新たな対象車種の追加、変更等も
、ニューラルネットワークの学習機能を用いて簡単に行
うことができる。

なお、本発明は次の実施態様をも包含するものである。

（イ）　第２図の構成における画像・音声検出手段２は
、画像と音声の双方を検出できるようになっているが、
画像または音声のいずれか一方のみ検出するものでもよ
い。

（ロ）　第２図では、制御用パス８１画像バス９゜音声
データバス１０を共用して、各手段相互の接続を行なっ
ているが、シリアルインタフェース等を用いた１対１の
構成により、必要な個所のみを接続するようにしてもよ
い。

（ハ）　第２図では、演算制御部７ａとニューラルネッ
トワーク演算部４ａとが互いに独立して制御用バス８に
接続されているが、演算制御部７ａの内部にニューラル
ネットワーク演算部４ａを設ける構成としてもよく、ま
た、両者をバックエンドに接続する構成としてもよい。

（ニ）　第２図における画像バス９．音声データバス１
０に人出力インタフェースを介して画像モニタ機器、音
声モニタ機器を接続し、画像メモリ３ａ内のエリア３ａ
ｌ’　　３ａ２及び音声メモリ３Ｃ内のエリア３゜１，
３ｏ２に記憶される画像、音声をモニタすることもでき
る。

（ホ）　上記実施例では、移動体として電車を想定し、
鉄道での踏切制御や運行制御に用いる場合を説明したが
、その他高速道路の料金所等で自動車の種別を識別する
場合にも有効である。

あるいは、さらに、陸上の乗物に限らず、飛行機、船な
ど空、海での乗物についても本発明の適用を期待するこ
とができる。

〔発明の効果〕

以上のように本発明によれば、所定個所を通過する移動
体の画像または音声を検出し、予め設定　５６した複数の特徴項目の解析に基いてニューラルネットワ
ーク手段が移動体の分類項目を特定し、この特定した分
類項目の情報を出力する構成としたので、移動体に対す
る送信装置等の取付け、あるいは特定場所への重量セン
サの設置などを必要とせず、しかも自然環境に左右され
ずに常に安定した精度で移動体を識別することが可能と
なる。

【図面の簡単な説明】

第１図は本発明の実施例の概略構成を示すブロック図、
第２図は第１図における各手段の接続例を示す概略図、
第３図乃至第６図は本発明の実施例の動作説明図である
。２・・・画像・音声検出手段、３・・・特徴項目解析手
段、４・・・ニューラルネットワーク手段、５・・・識
別情報出力手段。

Claims

【特許請求の範囲】　型式、種別、識別番号その他の分類項目が予め設定さ
れている移動体が所定個所を通過するときに、この移動
体の画像、またはこの移動体から発生される音声を検出
する画像・音声検出手段と、前記画像・音声検出手段に
より検出された画像または音声に基いて、予め設定され
た複数の特徴項目の解析を行う特徴項目解析手段と、前記特徴項目解析手段の解析により得られた複数の解析
信号に基いて、前記所定個所を通過した移動体が属する
前記分類項目を特定するニューラルネットワーク手段と
、前記ニューラルネットワーク手段により特定された前記
分類項目に関する情報を出力する識別情報出力手段と、を備えた移動体識別装置。